| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 GPU通用计算理论和CUDA简介 | 第15-29页 |
| 2.1 GPU通用计算概述 | 第15-18页 |
| 2.1.1 GPU的发展历程 | 第15-16页 |
| 2.1.2 从GPGPU到CUDA | 第16-18页 |
| 2.2 CUDA简介 | 第18-23页 |
| 2.2.1 CUDA基础 | 第18-22页 |
| 2.2.2 CUDA的软件体系 | 第22-23页 |
| 2.3 GPU的硬件架构 | 第23-27页 |
| 2.4 CPU与GPU的比较 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 FIR数字滤波器的原理 | 第29-35页 |
| 3.1 数字滤波器简介 | 第29-30页 |
| 3.2 FIR数字滤波器理论 | 第30-32页 |
| 3.3 FIR滤波器的设计方法 | 第32-34页 |
| 3.3.1 窗函数法简介 | 第32-33页 |
| 3.3.2 窗函数法的设计步骤 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于GPU实现FIR滤波 | 第35-55页 |
| 4.1 概述 | 第35页 |
| 4.2 基于Overlap-save方法的FIR滤波并行算法设计 | 第35-44页 |
| 4.2.1 算法分析 | 第35-37页 |
| 4.2.2 CPU与GPU的任务划分 | 第37-38页 |
| 4.2.3 Gird和Block维度设计 | 第38-39页 |
| 4.2.4 FIR滤波并行算法的实现 | 第39-42页 |
| 4.2.5 Kernel执行中算法的并发处理 | 第42-44页 |
| 4.3 FIR滤波并行算法的正确性验证 | 第44-49页 |
| 4.3.1 基于matlab设计512阶FIR低通滤波器 | 第44-48页 |
| 4.3.2 基于GPU实现的FIR滤波的结果 | 第48-49页 |
| 4.4 对于FIR滤波并行算法的优化 | 第49-53页 |
| 4.4.1 异步并行执行 | 第49-50页 |
| 4.4.2 优化过程 | 第50-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 FIR滤波并行算法的性能分析 | 第55-65页 |
| 5.1 实验平台 | 第55页 |
| 5.2 测试方法 | 第55-56页 |
| 5.3 算法的性能分析 | 第56-63页 |
| 5.3.1 加速比 | 第56-58页 |
| 5.3.2 I/O带宽的测定 | 第58-59页 |
| 5.3.3 浮点乘加运算能力 | 第59-60页 |
| 5.3.4 Block与SM的关系对计算性的影响 | 第60-62页 |
| 5.3.5 延迟 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 总结和展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |